Il dataset di partenza viene preso dalla libreria schrute. Contiene tutte le linee di dialogo dette nelle 9 stagioni di the Office organizzate per persoanggio ed episodio. Sono presenti anche i ratings ricevuti su IMDB per i vari episodi.

The Office è una serie televisiva statunitense, è stata girata in una configurazione a telecamera singola – senza il pubblico in studio o le risate registrate – per dare l’idea di un vero documentario. La serie è stata acclamata dal pubblico e dalla critica, aggiudicandosi diversi premi. The Office segue le vite di ogni giorno dei dipendenti della Dunder Mifflin-Scranton, guidati dal direttore della filiale Michael Scott.

1.Vogliamo vedere ovviamente chi ha piu battute e chi compare piu spesso nello show
2.Vogliamo indagare sulle parole piu dette
3.Vogliamo scoprire quali sentimenti porta questa serie tramite le parole usate
4.Vogliamo trovare il personaggio piu scurrile
e molte altre cose…

Ovviamente Michael!

Nelle ultime stagioni la mancanza di Michael nel nostro ufficio preferito ha cambiato le carte in tavola

Inoltre notiamo che i personaggio presenti sono quelli del ufficio dalla prima stagione,non potevamo certo aspettarci altro

Come vediamo Michael e quello piu presente in tutti gli episodi tranne che per le ultime 2 stagioni dove fa solo da comparsa

## 
##  Pearson's product-moment correlation
## 
## data:  frequency$Michael and frequency$Dwight
## t = 84.087, df = 3309, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.8141764 0.8359127
## sample estimates:
##       cor 
## 0.8253501

## 
##  Pearson's product-moment correlation
## 
## data:  frequency$Jim and frequency$Dwight
## t = 59.491, df = 2295, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.7622438 0.7944534
## sample estimates:
##       cor 
## 0.7788616

## 
##  Pearson's product-moment correlation
## 
## data:  frequency$Jim and frequency$Michael
## t = 99.117, df = 2443, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.8867176 0.9025266
## sample estimates:
##       cor 
## 0.8949025

Identifica le parole importanti per un documento(o personaggio nel nostro caso)in una collezione di documenti.
Grazie ad esso riusciamo a vedere le parole piu importanti per i nostri beniamini.
(ovviamente Andy parla di tonno)

Si vede che al nostro caro Andy piace come nickname

Durante il corso dell’intera serie viene detto 37 volte

*** Gara d’insulti vinta da Dwight!!

Notiamo che dopo meta serie i voti iniziano a calare in media, ma in generale il rating rimane alto